- 消费金融
- 金融
自2009年银监会颁布《消费金融试点管理办法》以来，消金行业迎来蓬勃发展，持牌公司相继成立。随着中信消金与金美新消金获批，国内持牌消金已增至27家。
在持牌消金家数增多的同时，业内头部公司已获得丰厚的回报。中银、捷信、招联2017年全年净利润均突破10亿。其中，中银、招联背靠巨头，捷信在中国耕耘载十余载，领跑自是顺理成章。而马上消费金融，是一家依靠科技实力快速崛起的高成长性企业。
三年跻身持牌消金前列，模式、资金、技术做护航
马上消费金融于2015年6月正式营业，第二年便实现盈利，迅速跻身国内持牌消金前列，深耕线上超过130个消费场景，连接线下14万余商户，促成了近5000万次的商品交易，帮助超过500万人群建立信用记录。
高速发展背后的奥秘是马上在产品组合、资金渠道、获客模式及科技能力上的独特优势。
马上是线上、线下借贷服务商，具备商品分期、信用分期和循环信用额度三类主要产品。目前已覆盖3C数码、教育、医疗美容等行业，服务多类客群。综合各项业务，马上的平均放款额度为2700元，平均期限12个月。
资金来源广泛是马上迅速盈利的基础支撑。马上的资金来源包括股东的自有资金、存款，银行同业授信，同业拆借等。其中，已与上百家银行建立同业授信关系，而同业授信利率低、来源可靠，这使得马上资金端供给稳健。
借助场景获客则是马上展业拓展的加速器。马上综合利用线上与线下渠道，特别是与场景端广泛合作，嵌入各类生活场景，从而触达到较大基数的潜在目标客户。
马上拥有如重庆百货、物美、浙江小商品城等的零售股东，股东方的线下购物场景为马上提供了大规模的客户基础。同时，马上也与百度、滴滴、今日头条等互联网场景方、流量平台，以及三大运营商等各类外部机构积极合作。
而面对丰富的场景和大量的客群，马上利用自身完善的科技能力建立起护城河，打造精准获客、风险把控及贷款管理的能力，建立了以数据驱动的高效运营体系，实现了业务的自动化、线上化和智能化。
三年内，马上持续加码研发投入，已组建约700人的科技团队，在人工智能、机器学习等领域拥有业界领先的技术能力和落地经验。
在获客环节，马上发挥自身智能科技能力，通过与合作伙伴联合建模，在不同场景内有针对性地识别目标客户，保证了获客的精准度。基于多维度机器判别的运营管理则进一步提高了马上的获客转化率。
在风控及贷后管理环节，马上以自有平台、央行征信、股东方及流量方数据等为依据，能够提取几千甚至上万个变量，团队人工智能技术优势则提升了马上量化评估模型和贷后跟踪的效率和精度。
例如，在授信审核时，马上应用视觉技术自动识别、录入授信对象身份证件、营业执照等中的基础信息，并利用识别出的诸如住所等的信息进行审核判断、贷后监控及催收。
此外，马上运用了线上智能客服，NLP及声纹识别等技术成熟度较高。目前，马上线上客服的整体解决率超过80%。2017年上半年，马上已经上线使用其自主研发的客服机器人。
在此基础之上，因产品线丰富、服务场景广泛，马上又可在展业中全面锻炼及提升各项业务能力，借助自有科技团队实力与效率，针对数据、场景快速迭代，实现正向反馈，形成闭环，推动持续发展。
近期，爱分析对马上消费金融股份有限公司CTO蒋宁进行了访谈。蒋宁同时拥有东京大学硕士学位、京都大学学士学位，曾任IBM、平安，阿里技术负责人。
访谈中蒋宁就消费金融行业发展趋势及马上消费金融的业务、战略进行了阐述，摘选部分内容如下。
践行科技驱动，发挥AI技术的想象空间
爱分析：公司在技术上有哪些布局和成就？
蒋宁：技术能力方面，截至去年马上金融有50项专利，今年年底预计会报批达150项。
我们在机器视觉领域，如人脸识别、OCR等方面都取得了比较好的业界成绩，也开发申请了具备自主知识产权、国内国际领先的产品。
在声音方面，我们积极探索产学研结合的道路，跟中科院声学研究所等外部机构建立了广泛的战略合作关系，也在利用自己的马上消费金融场景，来开发声纹相关的产品。
在自然语言解析领域，经过过往三年的努力，我们的线上客服整体解决率达到80%以上，在金融行业里取得了非常领先的优势，建立了一套完整的基于数据驱动的高效的运营体系，实现了业务的标准化、流程化、自动化、线上化和智能化。
爱分析：视觉技术在信贷的业务流程中有什么应用场景？
蒋宁：我认为视觉技术是有广泛应用价值的，机器视觉的识别技术在银行、保险、财务管理等零售金融都有广泛的应用前景。
在视觉领域，马上金融拥有自主知识产权的机器视觉识别技术, 自研的活体人脸识别系统FaceX2.0准确度达到99%，该技术不仅已经应用于马上金融各种信贷场景，也应用于重庆百货的刷脸支付等场景。
公司刚刚研发的唇语识别技术也达到接近90%的准确度，能够有效配合人脸识别的技术，适用各种核身的复杂场景。未来，我们期望唇语技术和人脸识别技术可以应用于保险和投资理财的各种核身场景。
此外，机器视觉技术在无人零售，无人银行方面，还会有更广泛的应用，帮助银行实现新的业务模式。
爱分析：为什么自主研发视觉技术？
蒋宁：目前我们着眼于自主研发，主要有两个原因，首先是必要性，其次是我们也具备自主研发的能力。
就必要性而言，一来消费金融面对的外部环境比较严苛、应对欺诈的挑战比较高，我们有做这个事情的必要性和动力。二来科技公司因为没有场景和数据，不能形成业务的闭环，不能快速迭代和优化模型，更增加我们自主开展的必要性。
消费金融机构和银行相比，允许线上开户，银行因为受到反洗钱等约束，不能直接开通一类账户。所以消费金融和传统银行相比，有更大的创新空间，同时也要面对线上的各种身份欺诈的挑战。
我们如果在身份识别阶段出现任何问题，都需要付出巨大的成本。主要包括两种成本，欺诈的成本和声誉成本。消费金融的逾期客群会进入央行征信机构的，身份被冒用会影响受害人的信用记录。
基于上述背景，马上金融考虑到在场景、数据、科技能力，团队能力上的优势，决定自主研发人脸识别。
我们基于4000+万注册用户，100多个互联网场景，上千台服务器的大数据平台，200人的数据分析和建模团队，通过接近一年多努力，实现了99.9%以上的非同一人的识别准确率。同时在麻省理工公开的人脸测试环境中，取得了国内领先的识别准确率成绩。
爱分析：NLP技术主要会有哪些应用场景?
蒋宁：我觉得目前NLP有几方面的应用，首先是客服，这是最成熟的落地场景。我们有大量的线上客户，没办法依靠人工完成所有客服工作，通过NLP加上智能语音可以大量规避人工客服。
传统的客服能力是需要经过慢性增长的，在可预期增长的业务中，公司可以按照自己的方式来培养、构建人员的客服能力。但线上业务不确定性比较大，所以必然需要一些人工智能技术来分流不确定性带来的客户访问。
例如，现在金融产品和服务越来越需要与互联网场景结合，金融公司或自己构建场景或跟别人的场景融合，如果与场景方融合，当场景端举办促销活动时，产生的客户流量对金融公司来说会是不可控制的。场景金融应用NLP是必经之路。
但NLP还存在很大的问题，特别是知识迁移问题，NLP对某一个领域的自然语言解析要迁移到另外一个领域是需要成本的，NLP需要按领域来进行培训，需要很长的时间去构建相应领域的知识体系。
爱分析：NLP知识图谱在不同信贷领域间的迁移难度大吗？
蒋宁：首先，知识图谱在同一个领域的迁移成本还是比较低的，因为一个领域的本体基本是通用的，只需要对具体实体和关系抽取后灌入数据就可使用。所以只要建立好了某个领域的知识图谱，迁移成本可以降低。
以信贷领域举例，本体构建的时候有费率，利率等，可能在不同的公司有不同的定义，其具体值不一样，但是每个公司都应该具有这些本体，直接复用本体抽取具体的实体和关系即可。
如果跨领域，领域的主体会发生变化，迁移的成本还是比较高的。目前关于知识图谱的构建有两种方式，不经业务专家构建知识图谱和经过业务专家构建的知识谱图。不经过领域专家的建模，总体构建成本比业务专家介入低，但是准确性还需要提高。
马上金融刚刚发表一篇不需要业务专家介入的专利《一种基于问答语料编解码模型的无监督知识图谱构建及问答推理方法》，算是一个想法，还需要进行实际实验验证具体可行性和准确率。
爱分析：未来会把科技部分独立运营吗？
蒋宁：我们不会把科技独立运营，但我们从公司成立之日起，就希望做一家科技驱动的金融机构，我们整个公司是数据驱动、科技驱动的公司。
首先，我们认为金融会逐步成为一个开放生态，消费者、场景渠道、各种专业的风险管理和数据机构、第三方的金融基础设施、资金提供方、金融机构主体构成了一个开放的生态。
金融机构从闭环体系走向开放体系，这对金融机构的技术架构和体系、科技风险管理能力都提出了新的挑战，传统的金融机构在数据驱动的流程设计、大数据存储和计算、系统开放性和弹性方面，都需要作出巨大的改变。
在金融走向开放体系的过程中，我们会积极考虑开放马上金融在零售金融构建的能力，赋能传统金融机构，帮助我们合作伙伴，打造零售金融和消费金融的能力。
展业模式丰富，业务渠道多元化
爱分析：目前主要服务什么客户人群，利率在什么水平？
蒋宁：我们采取风险定价，依据客户的本身投资情况会自动根据客户信用来计算出来利率，目前有18-24%的产品，也有布局18%以内的一些客群。
与银行信用卡业务相比，马上更多采取线上获客，获客成本低，并且偏自动化审批；风控方面，信用卡是做央行征信的用户，我们则可以做一些白户。所以马上会逐步做一些上移，在信用卡人群上稍做些尝试，这会是我们未来的一项竞争策略。
爱分析：产品布局是怎样的？
蒋宁：马上金融线上和线下相结合，为普惠人群提供消费分期、信用分期和循环信用额度三种形态的消费金融产品，坚持场景结合和小额分散的展业模式。
通过线上线下金融产品结合，我们能覆盖更广泛的人群。因为线上的人群跟线下人群是不太一样的，线上主要是一二线城市的年轻人，但线下的客户还是分布在三线、四线甚至五线的城市。
通过线上线下的展业模式，让马上金融同时覆盖了中国最广泛的人群，让我们的风控能力得到了更广泛的人群样本的验证。
同时，通过三种形态的消费金融产品，我们可以根据不同的客群，构建差异化的产品策略。
例如循环信用额度用户体验比较好，但对消费金融公司的资金管理和预测提出比较高的要求，而消费分期等分期类型的产品和场景结合度比较好，通过三种不同类型产品，我们可以在用户体验、资产质量、产品收益做出平衡，构建稳健的资产组合的策略。
爱分析：目前有多少渠道合作伙伴？
蒋宁：营销方面，我们在线下覆盖了200多个城市、超14万个店铺，覆盖3C数码、住房、教育、美容、家装以及其他行业。线上我们与100余家互联网公司建立了广泛的流量合作关系。但最大的流量还是来至于我们自身的APP。
爱分析：在营销获客方面有应用哪些新的技术或渠道？
蒋宁：营销获客方面，我们有上百家合作伙伴，包括大型机构、中型机构以及垂直领域的合作伙伴，例如中国移动、百度、今日头条、滴滴。
对于大型互联网公司，我们基本上都会跟对方进行战略合作。通过联合建模的方式，来提升营销的精准度，降低获客成本的同时，也帮助我们合作伙伴提升流量的经济性。我们通过大数据和深度学习等模型技术，能够高精准地识别出我们的目标用户。
爱分析：自有流量入口的搭建思路是怎样的？
蒋宁：对于自己的流量体系，我们有专门的运营团队，构建了公司品牌运营、产品运营、客户运营、渠道运营多个层次、立体的架构。
粉丝和品牌运营方面，我们有一个团队专注于金融科技、普惠金融和绿色金融、合规金融领域的内容建设，有跟外界媒体广泛地合作，我们和上百家媒体每年定期举行活动，增加客户整个公司的关注度和的认可度。
产品运营方面，我们的产品主要是APP和其上搭载的产品，我们会定期的在不同的平台进行基于精准获客分析的产品宣传投放。
客户运营方面，我们内部对客户的消费周期和金融周期有多维度分析，通过消费数据，行为数据，金融的信贷数据，征信数据，构建360度画像，在不同的阶段，我们会自动化的进行全生命周期的价值管理。
此外，我们也重视合作伙伴的维护，对所有的合作伙伴、大型渠道定期开展活动，保证每周有活动，每月有活动的，形成一系列的运营体系。
爱分析：在客户生命周期管理中会用哪些数据？
蒋宁：我们会对客户构建比较完整的视图，有全生命周期比较齐备的客户数据，我们大部分产品都是和场景结合的，有客户的消费数据，同时，我们有客户的征信相关数据和信贷方面的数据，在客户授权下，我们还可以获取客户的社交数据等，这些数据构成了我们客户画像的基础。
爱分析：针对不同生命周期的客户有哪些不同对策？
蒋宁：客户的全生命周期是从感兴趣到积极参与到沉睡最后到沉寂有多个阶段。
第一，在不同的客户阶段有不同的营销手段。在积极参与阶段，要是维持客户积极参与的热情，在沉睡阶段要不断有一些唤醒的动作，通过多种营销手段和权益组合，让客户能够回归。
第二，不同的阶段的客户状态不一样，要有不同程度的关注。从客户价值贡献度、活跃度、响应度等几个维度，制定差异化的客户忠诚度策略。
当前，马上金融除了传统的积分、优惠券、抽奖活动外，我们还和多家大型互联网平台合作，有免费提电影票、运营商权益包、热点商品、明星互动权益等多种年轻人喜欢的权益，同时结合社交营销、事件营销、合作伙伴营销方式，触达到我们的客户。
爱分析：线上和线下渠道是否有交叉？
蒋宁：伴随实体经济和互联网的融合越来越紧密，我们相信未来线上和线下的渠道的边界也越来越模糊。我们也在和合作伙伴紧密合作，打造线上和线下的新消费金融模式。
例如，我们合作的伙伴中有一个大型连锁超市，客户可以线上申请消费金融产品，然后在附近的超市获取商品，通过消费金融服务和线上和线下的新零售融合，不仅方便了我们的客户，也促进了合作伙伴的收益增长。
此外，我们为我们合作的商铺搭建了一个开放的O2O平台，客户可以直接在我们的O2O平台选择附近商铺的商品和消费金融服务。
爱分析：在线上和线下给C端客户提供的产品和服务有区别吗？
蒋宁：线上线下的产品形态在定价和额度方面并没有很大差异，马上金融都是坚持小额分散，以普惠客群为主。
因为线上和线下的风控模式有一定差异，这会让授信流程有一定的不同。线上的风控中心还是以“人”为主，相对于线上以“人”为中心的风控流程，对于线下的消费分期产品，还需要对交易背景和真实性等进行判断，客户授信以及放款的流程有一定的差异。
爱分析：进入银行间同业拆借的市场是否带来资金成本的下降？
蒋宁：资金拆借是银行机构间的短期借款，资金成本比较低。
爱分析：如何看待未来整个市场上不同主体之间的竞争？
蒋宁：我觉得竞争肯定会越来越激烈，信用卡会做一些下沉，消费金融也可能会利用在获客、风控、资金上的一些能力优势做一些上移，双方都会做一些向对方边界的渗透和尝试。
爱分析：持牌消金在未来发展中主要面临哪些挑战？
蒋宁：中国消费金融的渗透率和美国相比，还有很大的提升空间。和美国相比，中国移动互联网的普及程度更高，普惠金融的可得性更加容易，90后的年轻人的提前消费的观念也助力消费金融的发展。
同时，中国的经济发展模式从投资驱动向消费驱动的模式转变，为消费金融今后的发展提供了良好的技术、社会、政策环境。伴随P2P整改、金融监管趋严，持有金融牌照的金融机构已经是提供消费金融服务的主体，未来，我们坚信消费金融还会有巨大的发展空间。
但同时，我们看到持牌消费金融公司也面临一些挑战。首先，在风控能力方面，中国还缺乏完善的征信基础设施，央行征信覆盖的人群还比少，对惠普金融客群进行授信的难度依然存在，自主构建完善的自主风控能力需要比较长的周期，欺诈风险和信用风险管理依然充满挑战。
在科技和运营能力方面，因为面对普惠和长尾客群，消费金融公司需要巨大的科技投入去提升运营效率。这是一个非常依靠科技能力的战场，建设周期比较长、见效比较慢、投入产出比刚开始也比较低的，需要消费金融公司有从金融公司转变为科技公司的决心。
第三，消费金融公司在渠道、产品、数据、技术平台方面的深度融合，让科技风险的叠加效应明显，数据治理，信息安全，声誉风险，科技风险管理依然比较挑战。
最后，消费金融公司伴随着业务规模扩大，资金预测、融资以及流动性管理依然挑战，需要公司积极构建融资策略，做好资金安排。